
Um breve resumo de tudo que será ensinado no curso.
Uma olhada geral nas principais bibliotecas Python usadas nos modelos.
Quando se fala em Ciência de dados, logo pensamos em Big Data, mas será que ambos devem necessariamente andar juntos???
Para desenvolver um projeto em Ciência de dados é fundamental planejar com uma metodologia específica, no caso, o famoso CRISP-DM
O tratamento de dados é o que diferencia um analista iniciante e um experiente. Vamos entender o que muda em cada caso.
A parte mais complexa mas mais interessante é a modelagem de dados. Quais são os principais modelos? Apresentamos nessa aula um resumo deles.
Como a modelagem é a parte central na análise preditiva, precisamos nos aprofundar mais no tema.
Nessa aula fazemos uma análise mais profunda dos principais modelos que vamos usar na prática da implementação no Kaggle.
Hora de entender por que escolhemos determinadas tecnologias em detrimento de outras.
Nesse vídeo vamos explicar todas as funções da comunidade de dados Mundial - Kaggle
Nessa aula vamos submeter o primeiro modelo para explica-lo nas próximas aulas.
Começamos a explicação do modelo, linha a linha para não restar dúvidas.
Precisamos analisar campo a campo do arquivo de treino para o modelo não "dar pau", ou seja, parar o processamento
O grande ápice de todo nosso trabalho: verificar o resultado do modelo criado.
Após nossa introdução no curso "Análise Preditiva: A base da IA, Uma Introdução", chegou a hora de implementarmos um modelo real na comunidade mundial de Ciência de Dados chamada Kaggle.
Vamos passar por toda metodologia, explorar a metodologia oficial da Ciência de Dados (CRISP-DM) além de explicar linha a linha o nosso primeiro modelo na comunidade. Não percam!